关于NLP和multimodal的一些比较好的blog收藏

已于 2022-09-20 20:55:03 修改
阅读量144 收藏
点赞数
文章标签： 自然语言处理
于 2022-09-20 20:32:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31268133/article/details/126961014
版权

t-SNE

使用t-SNE的博文参考， blog， 以及一个github 关于embedding-visualization 的代码参考代码

元学习

元学习基础，参考blog

模型调参技巧

Prompt在多模态的应用

Diffusion Model

cindyyt
关注
《自然语言处理实战入门》 ---- 【Generative AI重制版】总目录
shiter编写程序的艺术
12-03 5337
随着人工智能的快速发展，自然语言处理和机器学习技术的应用愈加广泛。为使大家对该领域整体概况有一个系统、明晰的认识，同时入门一些工程实践，也借CSDN为NLP的学习，开发者们搭建一个交流的平台。我希望能够通过这个专栏《自然语言处理实战入门》和广大NLP爱好者一起学习自然语言处理技术，分享学习资料，打破NLP 技术 的实战应用壁垒。................................................
NLP领域最近比较火的Prompt，能否借鉴到多模态领域？一文跟进最新进展
Paper weekly
03-08 5776
©PaperWeekly 原创 ·作者|杨浩研究方向|自然语言处理#01.VL-T5论文标题：Unifying Vision-and-Language Tasks via Te...
Multimodal Deep Learning（多模态深度学习）未完待续
热门推荐
木东的博客
07-23 1万+
摘要： 本文提出一种在深度网络上的新应用，用深度网络学习多模态。特别的是，我们证明了跨模态特征学习——如果在特征学习过程中多模态出现了，对于一个模态而言，更好的特征可以被学习（多模态上学习，单模态上测试）。此外，我们展示了如何在多模态间学习一个共享的特征，并在一个特别的任务上评估它——分类器用只有音频的数据训练但是在只有视频的数据上测试（反之亦然）。我们的模型在CUAVE和AVLett...
这份NLP研究进展汇总请收好，GitHub连续3天最火的都是它
量子位
06-27 1171
方栗子 发自 凹非寺量子位 出品 | 公众号 QbitAI最近，有一份自然语言处理 (NLP) 进展合辑，一发布就受到了同性交友网站用户的疯狂标星，已经连续3天高居G...
多模态（MultiModal Learning）学习综述
安静的软件工程师
02-14 2563
多模态（MultiModal Learning）学习综述
自然语言处理数据集集锦（持续更新ing...）
诸神缄默不语的博客
04-25 1291
本文介绍NLP数据集
[LLM] 自然语言处理---Transformer原理(一)
摩登都市天空---专栏
12-03 4789
《Attention Is All You Need》是Google在2017年提出的一篇将Attention思想发挥到极致的论文。该论文提出的Transformer模型，基于encoder-decoder架构，抛弃了传统的RNN、CNN模型，仅由Attention机制实现，并且由于encoder端是并行计算的，训练时间大大缩短。 Transformer模型广泛应用于NLP领域，机器翻译、文本摘要、问答系统等等，目前火热的Bert模型就是基于Transformer模型构建的。 Transformer优点：
自然语言处理基础知识入门(一) N-gram，NNLM模型讲解
WANGYANG的博客
03-27 1575
在之前的博客中介绍了图神经网络(Graph Neural Networks, GNNs)的内容，旨在帮助初学者快速掌握这一复杂领域，以便于读者迅速投入到科研工作中去。在浏览这些图神经网络相关的资料时，读者经常会遇到一个关键术语 —— “嵌入表示”（Embedding），该术语用于描述图结构中单个节点的特征信息。尽管许多初学者可能对这个概念感到陌生，但它实际上起源于自然语言处理（NLP）领域。为了深入理解"嵌入表示"这一概念，拥有NLP背景知识显得尤为重要。
【AI视野·今日NLP 自然语言处理论文速览 第七十九期】Thu, 18 Jan 2024
TomRen
02-14 1716
AI视野·今日CS.NLP 自然语言处理论文速览 Thu, 18 Jan 2024 Totally 35 papers 👉上期速览✈更多精彩请移步主页 Daily Computation and Language Papers Deciphering Textual Authenticity: A Generalized Strategy through the Lens of Large Language Semantics for Detecting Human vs. Machine-Gen
假新闻检测论文（24）A comprehensive survey of multimodal fake news detection techniques...
weixin_41964296的博客
05-25 167
虚假或误导性新闻，或“假新闻”，是任何捏造或故意欺骗的媒体内容。它可以被利用来操纵公众情绪，传播错误信息，甚至干预政治选举。它的主要目的是扭曲、欺骗或操纵个人的信仰和观点。虚假信息在媒体上传播的形式多种多样，包括讽刺、谣言、点击诱饵、错误信息等。讽刺作品通常充满幽默，用来强调特定问题的突出点，经常被用来批判社会和政治动态。谣言是指无效的叙述或断言，通常以流言蜚语的形式流传。点击诱饵由标题或标题组成，旨在通过“点击”来吸引注意力和激发用户互动。这些活动的特点往往是哗众取宠，缺乏经验支持。
caption重要性 image_Multimodal —— 看图说话（Image Caption）任务的论文笔记（一）评价指标和NIC模型...
weixin_28689193的博客
12-29 1385
看图说话(Image Caption)任务是结合CV和NLP两个领域的一种比较综合的任务，Image Caption模型的输入是一幅图像，输出是对该幅图像进行描述的一段文字。这项任务要求模型可以识别图片中的物体、理解物体间的关系，并用一句自然语言表达出来。应用场景：比如说用户在拍了一张照片后，利用Image Caption技术可以为其匹配合适的文字，方便以后检索或省去用户手动配字；此外它还可以帮助...
揭示大型语言模型的力量、挑战和影响
程序员光剑
07-08 2043
随着数据耗尽的迫在眉睫，以及在不增加训练数据量的情况下扩展模型大小的趋势持续存在，显然需要创新方法来重新考虑模型大小和训练令牌之间的平衡。最初，仅编码器和编码器-解码器模型的性能优于仅解码器模型，但 GPT-3 的引入改变了一切。最近的一项研究介绍了当代法学硕士的演变轨迹，描绘了近年来语言模型发展的进展，并强调了该领域一些最著名的模型。然而，至关重要的是要始终意识到这些模型中的不平等和公平问题，以及关于各种应用的 FM 扩展特性以及权力集中在拥有更好资源来生产产品的组织中的道德、政治和社会问题。
大模型微调 - 基于预训练大语言模型的对话生成任务 训练代码
flyfish
09-12 334
flyfish
最新消息，OpenAI o 1 一种新的大型语言模型正在被引入
最新发布
【CSDN】
09-13 606
据最新消息。我们正在引入OpenAI o 1，这是一种新的大型语言模型，经过强化学习训练，可以执行复杂的推理。O 1在回答之前思考--它可以在对用户做出响应之前产生一个很长的内部思考链。OpenAI o 1在竞争性编程问题（Codeforces）中排名第89百分位，在美国数学奥林匹克（AIME）资格赛中跻身美国前500名学生之列，并在物理，生物和化学问题（GPQA）的基准测试中超过人类博士水平的准确性。
论文速读|信任 PRoC3S：利用大型语言模型和约束满足解决长时域机器人问题。
2301_81924597的博客
09-10 303
这篇论文提出的PRoC3S方法通过两阶段规划框架和反馈机制，有效地解决了长时机器人规划问题。PRoC3S在模拟和真实世界环境中均表现出较高的成功率和鲁棒性，特别是在处理复杂约束和目标时。未来的工作将致力于改进连续参数的采样技术，探索使用视觉语言模型进行视觉推理，并将方法扩展到部分可观测环境。
Mini-Omni 语言模型在流式传输中边思考边听说应用
weixin_42380711的博客
09-13 701
Mini-Omni 是一个开源的多模态大语言模型，能够在思考的同时进行听觉和语言交流。它具有实时端到端语音输入和流媒体音频输出的对话能力。语言模型的最新进展取得了显著突破。GPT-4o 作为一个新的里程碑，实现了与人类的实时对话，展示了接近人类的自然流畅度。为了实现这种人机交互，模型需要直接通过音频模态进行推理，并在流式传输中生成输出。然而，目前的学术模型通常依赖额外的文本转语音（TTS）系统进行语音合成，从而引入了不必要的延迟。
NLP基础及其代码-tokenizer
靓仔沾点健忘症，写给时间下游的自己
09-10 826
BPE、wordpiece、ulm、sentencepiece
AnyGPT：多模态语言模型，任意处理语音、图像和音乐
人工智能前沿分享
09-09 1513
人工智能咨询培训老师叶梓 转载标明出处大模型的能力大多局限于文本处理，而现实世界环境本质上是多模态的，涉及视觉、语言、声音和触觉等多种感知渠道。为了使LLM能够更好地模拟人类的多模态感知能力，复旦大学的研究团队提出了AnyGPT，这是一个创新的多模态语言模型，它能够统一处理包括语音、文本、图像和音乐在内的各种模态。AnyGPT的核心优势在于它能够使用离散表示法来处理不同模态的数据，而无需对现有的大型语言模型架构或训练范式进行任何改动。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值